2026 年 9 月 22 日，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna。其 API 更新记录列出：在输入不超过 272K tokens 的标准价格档，Sol 每百万普通输入、缓存输入和输出 tokens 分别为 2、0.20、10 美元。企业可以据此重算模型费用，但采购预算仍需要落到完整任务。OpenAI API 更新记录
一次供应商报价整理，可能先读附件，再查物料编码，最后生成比价表，中间还会补问和重试。把其中一次调用的费用写成“处理一份报价的成本”，会漏掉同一任务后续发生的消耗。
任务成本的统计范围
建议为每项任务保留业务编号，并将执行期间的费用归到同一编号。后台重试、人员补充资料后继续处理，以及写入失败后的核对，都应能关联到原任务。
| 项目 | 记录内容 | 核对方式 |
|---|---|---|
| 模型消耗 | 模型、普通输入、缓存输入、输出 | 对照实际用量回执 |
| 数据处理 | OCR、检索、文件转换 | 按实际调用或资源用量 |
| 执行资源 | 浏览器、容器、存储 | 记录占用期间和计费档位 |
| 人工处理 | 检查、纠错、补录 | 区分正常确认与返工 |
| 交付结果 | 成功、待补资料、失败 | 以业务验收结果归类 |
失败任务不能从分母和费用中同时消失。否则一个失败率较高的方案，也可能得到很好看的“平均成功费用”。汇报时同时给出每次发起成本与每项合格交付成本，管理者才能看到差异。
一份可复算的费用示例
示例：某项任务累计产生 80,000 个普通输入、20,000 个缓存输入和 8,000 个输出 tokens，全部符合上述标准价格条件。模型费用为：
- 普通输入：80,000 ÷ 1,000,000 × 2 = 0.16 美元。
- 缓存输入：20,000 ÷ 1,000,000 × 0.20 = 0.004 美元。
- 输出：8,000 ÷ 1,000,000 × 10 = 0.08 美元。
- 三项合计：0.244 美元。
这是演算示例，仅覆盖列出的模型消耗。实际任务若使用其他处理档位、额外工具或更长输入，需要按对应项目计费；人民币预算还要采用企业实际结算汇率。输出 tokens 的统计应采用服务端计费口径，不能只数最终显示文字。
新旧方案的同口径比较
选择同一组脱敏业务样本，固定附件、工具权限和验收条件，再分别运行原方案与新方案。记录总费用、完成比例、人工修正次数，以及最慢一组任务的等待情况。平均值之外，应保留较高费用任务的原因，例如反复检索、扫描件质量差或接口失败。
样本应覆盖完整资料、缺字段、相互矛盾资料和外部系统暂时不可用四类情况。只用干净样本比较，会把实际工作中最容易增加费用的部分排除在外。模型单价低但返工多的方案，应继续调整任务拆分或数据准备。
部门预算与超额处理
预算可以按采购比价、资料问答、经营分析分别设置。金额上限之外还应有单任务的最大执行次数和停止条件。达到限制时，保留已完成步骤和未处理事项，交给负责人决定补资料、人工完成或重新执行。
对长期运行任务，费用记录应持续更新，不能等全部结束才发现超额。部门看到的账单应能点回业务编号和交付物；IT 则保留模型、工具和资源的明细，便于定位异常。
预算方法可结合企业 Agent 任务费用分摊与企业 Agent 成本预算使用。准备实施时，可在企业 AI 落地服务中明确首批任务及其费用验收口径。
